لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری عمیق - شبکه های عصبی مکرر با TensorFlow [ویدئو]
Deep Learning - Recurrent Neural Networks with TensorFlow [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
شبکه های عصبی مکرر نوعی معماری یادگیری عمیق هستند که برای پردازش داده های متوالی مانند سری های زمانی، متن، گفتار و ویدئو طراحی شده اند. RNN ها دارای مکانیزم حافظه هستند که به آنها اجازه می دهد اطلاعات ورودی های گذشته را حفظ کرده و از آن برای اطلاع رسانی به پیش بینی های خود استفاده کنند.
TensorFlow 2 یک کتابخانه نرم افزار منبع باز محبوب برای یادگیری ماشینی و یادگیری عمیق است. این یک API سطح بالا برای ساخت و آموزش مدل های یادگیری ماشین، از جمله RNN ها ارائه می دهد.
در این دوره فشرده، نحوه استفاده از TensorFlow 2 برای ساخت RNN را یاد خواهید گرفت. ما RNN ساده (واحد Elman)، GRU و LSTM را مطالعه میکنیم و به دنبال آن قابلیتهای واحدهای RNN مختلف را از نظر توانایی آنها در تشخیص روابط غیرخطی و وابستگیهای بلندمدت بررسی میکنیم. ما RNN ها را برای پیش بینی سری های زمانی و NLP اعمال خواهیم کرد. در مرحله بعد، ما LSTM ها را برای پیش بینی های "قیمت" سهام اعمال خواهیم کرد، اما به روشی متفاوت در مقایسه با بسیاری از منابع دیگر. بیشتر تحقیقی در مورد اینکه چه کارهایی را نباید انجام داد و چگونه اشتباهاتی را که اکثر وبلاگ ها و دوره ها هنگام پیش بینی سهام مرتکب می شوند انجام ندهیم، خواهد بود.
در پایان این دوره، شما می توانید RNN های ساخت خود را با TensorFlow 2 بسازید.
همه منابع این دوره در دسترس هستند: https://github.com/PacktPublishing/Deep-Learning---Recurrent-Neural-Networks-with-TensorFlow درباره RNN های ساده (واحد Elman) بیاموزید.
GRU (واحد برگشتی دردار) را پوشش می دهد
آموزش نحوه استفاده از LSTM (واحد حافظه کوتاه مدت بلند مدت)
یاد بگیرید که چگونه پیشبینی سریهای زمانی را پیشبینی کنید
نحوه پیش بینی قیمت سهام و بازده سهام با LSTM را بیاموزید
آموزش استفاده از RNN در NLP این دوره برای هر کسی که به یادگیری عمیق و یادگیری ماشین علاقه دارد یا برای هر کسی که می خواهد شبکه های عصبی مکرر را در TensorFlow 2 پیاده سازی کند طراحی شده است. فرد باید مهارت های برنامه نویسی پایتون مناسبی داشته باشد، باید بداند چگونه یک ANN پیشخور بسازد. در TensorFlow 2، و باید با کتابخانه های علم داده مانند NumPy و Matplotlib تجربه داشته باشد. RNN های خود را با TensorFlow 2 بسازید * RNN ها، سری های زمانی و داده های توالی را توضیح می دهد * پیش پردازش متن و طبقه بندی متن را با LSTM ها از قبل انجام دهید
سرفصل ها و درس ها
خوش آمدی
Welcome
معرفی
Introduction
طرح کلی
Outline
شبکههای عصبی مکرر (RNN)، سریهای زمانی و دادههای توالی
Recurrent Neural Networks (RNNs), Time Series, and Sequence Data
داده های توالی
Sequence Data
پیش بینی
Forecasting
مدل خطی خودرگرسیون برای پیشبینی سریهای زمانی
Autoregressive Linear Model for Time Series Prediction
اثبات اینکه مدل خطی کار می کند
Proof That the Linear Model Works
شبکه های عصبی تکراری (واحد المان قسمت 1)
Recurrent Neural Networks (Elman Unit Part 1)
شبکه های عصبی تکراری (واحد المان قسمت 2)
Recurrent Neural Networks (Elman Unit Part 2)
آماده سازی کد RNN
RNN Code Preparation
RNN برای پیش بینی سری های زمانی
RNN for Time Series Prediction
توجه به اشکال
Paying Attention to Shapes
GRU و LSTM (قسمت 1)
GRU and LSTM (Part 1)
GRU و LSTM (قسمت 2)
GRU and LSTM (Part 2)
دنباله ای چالش برانگیزتر
A More Challenging Sequence
نمایش مشکل مسافت طولانی
Demo of the Long-Distance Problem
RNN برای طبقه بندی تصویر (تئوری)
RNN for Image Classification (Theory)
RNN برای طبقه بندی تصویر (کد)
RNN for Image Classification (Code)
پیش بینی بازده سهام با استفاده از LSTMs (قسمت 1)
Stock Return Predictions Using LSTMs (Part 1)
پیش بینی بازده سهام با استفاده از LSTMs (قسمت 2)
Stock Return Predictions Using LSTMs (Part 2)
پیش بینی بازده سهام با استفاده از LSTM (قسمت 3)
Stock Return Predictions Using LSTMs (Part 3)
راه های دیگر برای پیش بینی
Other Ways to Forecast
صندوق پیشنهادات
Suggestion Box
پردازش زبان طبیعی (NLP)
Natural Language Processing (NLP)
جاسازی ها
Embeddings
تهیه کد (NLP)
Code Preparation (NLP)
پیش پردازش متن
Text Preprocessing
طبقه بندی متن با LSTMs
Text Classification with LSTMs
نمایش نظرات
Packtpub یک ناشر دیجیتالی کتابها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرمافزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتابها، ویدیوها و دورههای آموزشی میپردازد که به توسعهدهندگان و متخصصان فناوری اطلاعات کمک میکند تا مهارتهای خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامهنویسی، توسعه وب، دادهکاوی، امنیت سایبری و هوش مصنوعی را پوشش میدهد. محتوای این منابع به صورت کاربردی و بهروز ارائه میشود تا کاربران بتوانند دانش و تواناییهای لازم برای موفقیت در پروژههای عملی و حرفهای خود را کسب کنند.
برنامه نویس تنبل، یک معلم آنلاین برجسته، دارای مدرک کارشناسی ارشد دوگانه در مهندسی کامپیوتر و آمار، با یک دهه تخصص در یادگیری ماشین، تشخیص الگو، و یادگیری عمیق است که در آن دوره های پیشگامی را تألیف کرده است. سفر حرفه ای او شامل افزایش تبلیغات آنلاین و رسانه های دیجیتال، به ویژه افزایش نرخ کلیک و درآمد است. به عنوان یک مهندس نرم افزار همه کاره تمام پشته، او در Python، Ruby on Rails، C++ و غیره برتری دارد. دانش گسترده او حوزه هایی مانند بیوانفورماتیک و تجارت الگوریتمی را پوشش می دهد و مجموعه مهارت های متنوع او را به نمایش می گذارد. او که به ساده کردن موضوعات پیچیده اختصاص دارد، به عنوان یک چهره محوری در آموزش آنلاین ایستاده است و دانش آموزان را به طرز ماهرانه ای از طریق تفاوت های ظریف علم داده و هوش مصنوعی هدایت می کند.
نمایش نظرات